More Related Content More from Akira Asano (20) 2013年度春学期 画像情報処理 第11回「マセマティカル・モルフォロジ/Granulometryとスケルトン」11. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
12. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= gran
13. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= gran隙間があいてしまう
14. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= gran隙間があいてしまう
こうすればいい
15. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= gran隙間があいてしまう
る「サイズ」とは,ある基本図形(=集合)とその相似拡大図形との倍率
1cm の円形を「サイズ1の円」とすると,直径 2cm の円は「サイズ2の円
図形 B に対して,倍率を r とするとき,「r 倍の B」を,B が連続集合のと
rB = {rb|b ∈ B}
イズ 1 の図形とするとき,rB のサイズは r となります。
合は,これではおかしなことになります。離散集合 B に対して (1) 式のよ
中のように,すき間が空いてしまいます。そこで,離散画像の場合は Minko
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回).
よる 2B を示しています。
,このように相似拡大を定義した場合,図 1 下段の例の場合,B を見ると
こうすればいい
16. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= gran
B {2b | b ∈ B} 2B = B⊕B
(a)
画像
隙間があいてしまう
る「サイズ」とは,ある基本図形(=集合)とその相似拡大図形との倍率
1cm の円形を「サイズ1の円」とすると,直径 2cm の円は「サイズ2の円
図形 B に対して,倍率を r とするとき,「r 倍の B」を,B が連続集合のと
rB = {rb|b ∈ B}
イズ 1 の図形とするとき,rB のサイズは r となります。
合は,これではおかしなことになります。離散集合 B に対して (1) 式のよ
中のように,すき間が空いてしまいます。そこで,離散画像の場合は Minko
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回).
よる 2B を示しています。
,このように相似拡大を定義した場合,図 1 下段の例の場合,B を見ると
こうすればいい
17. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= gran
B {2b | b ∈ B} 2B = B⊕B
(a)
画像
隙間があいてしまう
る「サイズ」とは,ある基本図形(=集合)とその相似拡大図形との倍率
1cm の円形を「サイズ1の円」とすると,直径 2cm の円は「サイズ2の円
図形 B に対して,倍率を r とするとき,「r 倍の B」を,B が連続集合のと
rB = {rb|b ∈ B}
イズ 1 の図形とするとき,rB のサイズは r となります。
合は,これではおかしなことになります。離散集合 B に対して (1) 式のよ
中のように,すき間が空いてしまいます。そこで,離散画像の場合は Minko
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回).
よる 2B を示しています。
,このように相似拡大を定義した場合,図 1 下段の例の場合,B を見ると
こうすればいい
18. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= gran
B {2b | b ∈ B} 2B = B⊕B
(a)
画像
隙間があいてしまう
る「サイズ」とは,ある基本図形(=集合)とその相似拡大図形との倍率
1cm の円形を「サイズ1の円」とすると,直径 2cm の円は「サイズ2の円
図形 B に対して,倍率を r とするとき,「r 倍の B」を,B が連続集合のと
rB = {rb|b ∈ B}
イズ 1 の図形とするとき,rB のサイズは r となります。
合は,これではおかしなことになります。離散集合 B に対して (1) 式のよ
中のように,すき間が空いてしまいます。そこで,離散画像の場合は Minko
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回).
よる 2B を示しています。
,このように相似拡大を定義した場合,図 1 下段の例の場合,B を見ると
こうすればいい
19. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
離散的な図形の場合は
連続な場合と同じ定義ではまずい
より一般的には,ある図形 B に対して,倍率を r とするとき,「r
rB = {rb|b ∈ B}
と定義します。B をサイズ 1 の図形とするとき,rB のサイズは r と
しかし,離散画像の場合は,これではおかしなことになります。
2B を定義すると,図 1 の中のように,すき間が空いてしまいます。そ
集合和を使って
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回
図 1 の右は,この定義による 2B を示しています。
ここで注意したいのは,このように相似拡大を定義した場合,図
型のようですが,2B を見るとわかるように実はひし形であることで
きる図形には限界があり,「十字」はこの画素数では表現できないこ
Granulometry とサイズ分布
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= granul
B {2b | b ∈ B} 2B = B⊕B
(a)
B {2b | b ∈ B} 2B = B⊕B
(b)
画像
構造要素
オープニ
= gran
B {2b | b ∈ B} 2B = B⊕B
(a)
画像
隙間があいてしまう
る「サイズ」とは,ある基本図形(=集合)とその相似拡大図形との倍率
1cm の円形を「サイズ1の円」とすると,直径 2cm の円は「サイズ2の円
図形 B に対して,倍率を r とするとき,「r 倍の B」を,B が連続集合のと
rB = {rb|b ∈ B}
イズ 1 の図形とするとき,rB のサイズは r となります。
合は,これではおかしなことになります。離散集合 B に対して (1) 式のよ
中のように,すき間が空いてしまいます。そこで,離散画像の場合は Minko
rB = B ⊕ B ⊕ · · · ⊕ B ((r − 1) 回).
よる 2B を示しています。
,このように相似拡大を定義した場合,図 1 下段の例の場合,B を見ると
こうすればいい
47. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
サイズ密度関数の評価
サイズ密度関数は,確率密度関数と同じ性質をもつ
サイズの平均
すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
最大のサイズを表します。
E(X, B) =
N
r=0
rpX,B(r). (6)
要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
。これらのモーメントを granulometric moments といいます。
(entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
サイズのエントロピー
義すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
下,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
る最大のサイズを表します。
n)
E(X, B) =
N
r=0
rpX,B(r). (6)
造要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
分散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
す。これらのモーメントを granulometric moments といいます。
ー (entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
構造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
の B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
48. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
サイズ密度関数の評価
サイズ密度関数は,確率密度関数と同じ性質をもつ
サイズの平均
すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
最大のサイズを表します。
E(X, B) =
N
r=0
rpX,B(r). (6)
要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
。これらのモーメントを granulometric moments といいます。
(entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
サイズ
サイズのエントロピー
義すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
下,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
る最大のサイズを表します。
n)
E(X, B) =
N
r=0
rpX,B(r). (6)
造要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
分散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
す。これらのモーメントを granulometric moments といいます。
ー (entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
構造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
の B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
49. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
サイズ密度関数の評価
サイズ密度関数は,確率密度関数と同じ性質をもつ
サイズの平均
すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
最大のサイズを表します。
E(X, B) =
N
r=0
rpX,B(r). (6)
要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
。これらのモーメントを granulometric moments といいます。
(entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
サイズrの
密度関数の値
サイズ
サイズのエントロピー
義すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
下,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
る最大のサイズを表します。
n)
E(X, B) =
N
r=0
rpX,B(r). (6)
造要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
分散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
す。これらのモーメントを granulometric moments といいます。
ー (entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
構造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
の B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
50. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
サイズ密度関数の評価
サイズ密度関数は,確率密度関数と同じ性質をもつ
サイズの平均
すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
最大のサイズを表します。
E(X, B) =
N
r=0
rpX,B(r). (6)
要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
。これらのモーメントを granulometric moments といいます。
(entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
サイズrの
密度関数の値
サイズ
高次のモーメントも
計算できる
(granulometric
moments)
サイズのエントロピー
義すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
下,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
る最大のサイズを表します。
n)
E(X, B) =
N
r=0
rpX,B(r). (6)
造要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
分散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
す。これらのモーメントを granulometric moments といいます。
ー (entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
構造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
の B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
51. 2013年度春学期 画像情報処理
A.Asano,KansaiUniv.
サイズ密度関数の評価
サイズ密度関数は,確率密度関数と同じ性質をもつ
サイズの平均
すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
最大のサイズを表します。
E(X, B) =
N
r=0
rpX,B(r). (6)
要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
。これらのモーメントを granulometric moments といいます。
(entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
サイズrの
密度関数の値
サイズ
高次のモーメントも
計算できる
(granulometric
moments)
サイズのエントロピー
義すると,確率密度関数の場合と同様に,次のような量を定義して画像を評価す
下,離散の場合のみ示しますが,連続の場合も総和が積分になるだけです。また,
る最大のサイズを表します。
n)
E(X, B) =
N
r=0
rpX,B(r). (6)
造要素 B によるサイズの平均を意味します。平均はすなわち 1 次モーメントです
分散),さらに高次のモーメントも定義でき,これらによってサイズ密度関数を特
す。これらのモーメントを granulometric moments といいます。
ー (entropy)
H(X, B) = −
N
r=0
log pX,B(r). (7)
構造要素 B に対する「平均粗さ (roughness)」を表します。H(X, B) = 0 のときは,
の B しか含まないことになり,粗さは最低です。H(X, B) = log(N + 1)/(N + 1)
各サイズをどのくらいまんべんなく含んでいるか